Lo que descubrí en tu último tweet

Segundo 1 tras el último tweet que has publicado. A pesar de lo que puede parecer por el título del siguiente artículo, el mismo no pretende focalizar la idea expuesta entorno al control de nuestras acciones en dicha red social, si no, dar algunas pinceladas acerca de la información existente en la red social Twitter con algo tan simple como un tweet realizado.

Desde la propia red social Twitter, en su apartado para desarrolladores, ofrece información para ayudar en la captura de tweets que se han realizado en la red social y, posteriormente, y con el software específico, proceder a su análisis y poder obtener información de gran valor para aquellas personas o empresas interesadas en esa información.

Herramientas como Python o R (de instalación gratuita), permiten ejecuciones para la captura de tweets, tanto anteriores (como, por ejemplo, las últimas 10 menciones a un usuario), con Rest API, como la captura de tweets en tiempo real, para su posterior tratamiento, con Streaming API. Existen otras alternativas, pero destaco las mismas al haber trabajado con ellas.

¿Qué información generamos con cada uno de nuestros tweets y está disponible para futuros análisis?

De cada tweet, podemos obtener información muy diversa y que puede servir para distintos propósitos.

Podemos conocer, desde el texto que ha enviado (el tweet en sí), los que nos permitirá realizar análisis acerca del contenido (véase, por ejemplo, que realizamos una captura de tweets acerca del hashtag #BoycottStarbucks y queremos conocer qué palabras son las más utilizadas por los usuarios en los tweets que recogen dicho hashtag) hasta el sentimiento que recoge el tweet,  pasando por aspectos más intuitivos a simple vista como puede ser el hecho de saber si es un tweet original, un retweet o un reply.

Como el lector podrá intuir, al igual que para los tweets, también se genera una gran cantidad de información entorno al usuario que realiza el tweet. Desde su localización (en caso de estar “localizable”, el tipo de acceso a Twitter (Android, IoS, …) o la hora del tweet, hasta los aspectos más propios del usuario como el número de followers, número de personas seguidas, su descripción, nickname u otros.

Todo ello permite obtener información valiosa de cara a futuras tomas de decisiones.

¿Cómo se obtiene valor añadido de nuestros tweets? Algunos ejemplos.

Análisis de redes (Network analysis)

Con la captura de los tweets que queremos utilizar para un análisis, tenemos la opción de establecer gráficos que permiten ver las relaciones existentes en esos tweets, como puede ser la relación entre los usuarios y las menciones o los retweets recibidos, entre muchas otras. Ello permite realizar análisis visuales que aportan información de valor a aquellos que conocen cómo interpretarla.

Clustering (agrupamiento)

El clustering o agrupamiento nos permite realizar agrupaciones de palabras que pueden explicarnos si las palabras analizadas tienen relación y pueden explicar, en conjunto, alguna de las posibilidades de nuestro análisis. Por ejemplo, si analizamos un conjunto de tweets sobre la evolución del precio del petróleo, con el contenido de las palabras analizadas, podríamos determinar si hay palabras asociadas a un tema como puede ser la adquisición de empresas del sector o respecto el precio del petróleo.

Text mining (Minería de textos)

El text mining hace referencia a los procedimientos de análisis de documentos u otros elementos de texto, que permiten realizar análisis de cara a obtener información relevante. Podemos mencionar información relevante como obtener los términos más frecuentes en la captura de los tweets o relaciones entre los diferentes términos mediante la asociación (es decir, en la captura de nuestros tweets, qué palabras suelen estar asociadas [aparecen en el mismo tweet]).

Existen muchas alternativas que permiten obtener dicha información y este artículo son sólo pinceladas respecto el valor de un tweet.

Fuente fotografía: University of Washington

Share this article

Cofundador de Markonomia. Licenciado en Administración y Dirección de Empresas por la Universitat de Barcelona (EUS) y master en Business Intelligence y Big Data en Universitat Oberta de Catalunya. Cerca de 5 años desarrollando proyectos de análisis de datos en el sector bancario. Fotógrafo freelance en eventos deportivos nacionales e internacionales.

Facebook Comments

Deja un comentario